基于光学和微波遥感数据的森林蓄积量估测模型研究

【目的】探讨综合光学遥感和微波遥感的多源数据森林蓄积量反演方法。【方法】以L波段ALOS PALSAR全极化数据和Landsat TM为数据源,结合地面调查样地数据,通过ALOS PALSAR提取不同极化状态的后向散射系数和极化比值等极化特征因子,Landsat TM数据提取光学遥感因子,以多元线性回归构建森林蓄积量模型。【结果】光学遥感反演方法、微波遥感反演方法、综合光学遥感和微波遥感的多源数据反演方法均可以实现森林蓄积量估测,其中,基于多源数据协同的反演模型为最优模型,决定系数R~2为0.674,模型检验均方根误差RMSE为13.38 m~3/hm~2。【结论】要比使用一种数据源的反演方法具有明显的优势,有效实现了森林蓄积量估测。     

基于多源遥感数据的森林生物量定量评价研究

以ALOS PALSAR L波段双极化FBD微波遥感数据及多光谱光学遥感数据AVNIR-2为基础,对数据进行预处理,利用地面云南松林样地坐标,提取HH、HV双极化后向散射系数及极化比值3个因子,结合光学遥感数据提取4个波段值及NDVI、RVI 2个植被指数,作为云南松林生物量估测因子。分别以微波数据、光学数据、微波及光学数据结合的多源遥感数据,建立3个云南松林生物量估测模型。结果表明:所建模型经方差分析均达到显著相关或极显著相关水平;PALSAR L波段双极化后向散射系数,可以反映森林生物量的变化,但反演精度有待进一步提高;AVNIR-2数据模型优于PALSAR L波段双极化数据模型;多源数据模型与光学数据模型的估测精度相近。     

千岛湖地区天然马尾松林高产结构模式的探讨

应用数量化方法Ⅰ,研究了千岛湖天然马尾松林的林分结构因子和林分蓄积量之间的定量关系,得到以下结论:在林分蓄积量中,林分每公顷林木株数的作用占主导地位,相对得分为55.04;其次是林分平均直径。20～30年生天然马尾松林的高产结构最佳模式是:林分密度1650～1950株/hm~2,平均胸径22～26cm,郁闭度0.8以上的林分,其蓄积量的估计值为222.16m~2/hm~2。本文还给出了天然马尾松林蓄积量的估计模型。     

应用无人机可见光遥感技术估测林分蓄积量

以云南省富民县典型天然云南松(Pinus yunnanensis)纯林为研究对象,结合无人机影像获取和外业样地调查对林分蓄积量估测。结果表明：利用目视解译方法提取云南松单木冠幅,精度达72%;采用11种模型拟合得到云南松林分不同郁闭度的胸径-冠幅最优回归模型;3个郁闭度等级林分的平均蓄积量估测精度分别达53.12%、78.65%和81.16%。由此可见,中、高郁闭度林分的平均蓄积量估测精度较高,说明了无人机遥感估测林分蓄积量的可行性和适用性。     

马尾松林分生物量的密度效应探讨

通过研究马尾松林分生物量与林分蓄积量、林分平均胸径、平均高、林分密度的相关关系，揭示了马尾松林分生物量的密度效应，提出了马尾松水保林的最适经营密度。     

基于稀疏型机载激光雷达数据的风景林参数估测

稀疏型机载激光雷达（LiDAR）数据,由于点云密度低,难以对单木尺度的森林参数进行估测,在森林资源监测领域的潜在应用价值没有得到充分发挥。以江苏省南京市紫金山国家森林公园为研究区,以2007年机载激光雷达Optech ALTM LiDAR数据、2007年森林资源规划设计调查数据为主要信息源,在机载LiDAR数据预处理、特征参数提取的基础上,采用多元线性回归、随机森林、支持向量机3种方法,估测小班林分平均树高、平均胸径和单位蓄积量并进行对比分析,同时对森林参数进行空间制图。结果表明:1） 高度百分位数和累计高度百分位数是影响小班平均胸径、平均树高和平均蓄积量的主要特征参数;2）3个遥感估测模型精度对比分析表明,平均胸径、平均树高、单位蓄积量3个参数的估测精度,均是随机森林算法最高,支持向量机次之,多元线性回归最低;3）平均树高、平均胸径、单位蓄积量的空间分布规律一致,人为干扰严重的公园边缘地区和土层瘠薄、立地条件差的山脊较低,山南及山北中部最高。稀疏型机载激光雷达（ALS）数据在林分尺度的森林参数估计中具有较高的精度,可以用于森林资源规划设计调查小班的测树因子估测。本研究应用稀疏型机载激光雷达数据估测风景林森林参数,为稀疏型LiDAR数据在森林资源规划设计调查中的推广应用提供参考。     

基于PolInSAR森林高度反演研究

以仿真的全极化雷达L波段为数据源进行了复相干DEM差分算法和复相干幅度算法的森林树高反演研究,并采用星载全极化微波遥感数据ALOS PALSAR数据进行实例检验。结果表明:仿真试验中DEM差分算法严重低估了森林树高,复相干幅度算法则估测精度较高;ALOS PALSAR数据时间由于去相干和配准精度低等原因,难以有效估测森林树高。     

基于ArboLiDAR的大野口林区森林参数估测

以甘肃省张掖市大野口林区为研究区,首次引入芬兰软件ArboLiDAR,基于LiDAR数据,提取林分水平上的主要森林参数并与实测数据做了对比。结果表明,由ArboLiDAR软件提取的参数中,林分平均高的估测精度最高,R~2为0.807,平均估测精度达到90%;平均胸径仅次于平均高;林分胸高断面积的估测精度受林龄结构及林分密度的影响较大,平均估测精度都为80%;对林分密度的估测精度最低,R~2为0.585,平均估测精度为74%。同时,本研究也根据提取出来的森林参数制作了研究区各森林参数区域分布图,为更加直观地了解研究区情况以及后续研究作基础。     

运用机载激光雷达数据和立地质量分级对亚热带森林蓄积量遥感反演

为了探讨不同的立地条件下,应用机载激光雷达(Lidar)数据建立的林分蓄积量模型的反演精度。以高峰林场2016年森林资源二类调查小班数据为研究对象,运用随机森林对Lidar分位数高度、水平结构参数等变量重要性排序,构建蓄积量估测基础模型(不考虑立地质量分级)和优化模型(考虑立地质量分级)。结果表明:105块样地中有23块低立地生产力样地(LSP),有82块高立地生产力样地(HSP);在不同立地质量分级样地中,对树高和胸径进行logistic最小二乘回归曲线,胸径-树高之间存在着显著差异;基础模型和优化-A_B模型估测的蓄积量在总体样地和HSP上没有显著差异(P0.05),但在LSP上差异极显著(P0.001);优化模型估测的蓄积量和实测蓄积量在两种立地质量的样地中差异不显著(P0.05);基础模型估测的蓄积量和实测蓄积量在HSP没有显著差异(P0.05),但在LSP差异极显著(P0.001)。由分位高度(P_(H90))和实测蓄积量生成(含HSP和LSP)的两个伪模型曲线表明,在HPS中,实测蓄积量与P_(H90)呈近似线性关系,在LSP中,蓄积量与P_(H90)呈非线性关系;分位数高度(P_H)、郁闭度与森林蓄积量表现出较强的相关性,并且提供了森林水平结构和垂直的变化。森林蓄积量估测最优模型的平均R~2值大于0.8,模型的可靠性和鲁棒性为亚热带森林蓄积量估测提供了可能。     

基于偏最小二乘回归模型的高山松蓄积量遥感估测

以Landsat 8影像为遥感数据源,以遥感因子、GIS因子、林分因子、郁闭度等为自变量,在前期野外样地调查的基础上,采用偏最小二乘法(PLS),建立香格里拉县高山松蓄积量遥感估测模型。试验结果表明,郁闭度对香格里拉县高山松蓄积量估测的影响极其显著,第5、6波段对其影响较为显著;运用偏最小二乘法建立的样地蓄积量估测模型,调整决定系数R2为0.777 5,均方根误差RMSE为36.90 m3/hm2,总预报偏差的相对误差RE为23.18%,模型精度为73.08%。以像元为单位提取高山松林所对应的自变量因子,利用估测模型得到研究区高山松林总蓄积量为1 372.406万m3。     

基于两水平混合模型的杂种落叶松胸径和树高生长模拟1）

以江山娇实验林场的16块杂种落叶松密度对比标准地为研究对象,使用非线性最小二乘法,对4种常用胸径和树高生长模型拟合优度进行比较,最终选择Schumacher 方程作为混合模型的基础模型。考虑林分效应和林木效应,采用两水平嵌套混合模型的方法,通过R软件进行不同参数混合作用的模拟,选择收敛的AIC、BIC和对数似然值最小的混合模型作为最优模型,最后将其与传统模型进行拟合优度的比较。结果表明：胸径生长模型中将林分效应作用于参数a1、林木效应作用于参数a0和a1,树高生长方程中将林分效应和林木效应作用于参数a0时的混合模型最优,可将胸径和树高生长传统模型的确定系数从0．7510和0．9008提高到0．9463和0．9474,均方根误差也大幅缩小,并且较好地消除了异方差现象,说明通过构造方差协方差矩阵可以校正随机参数以反映树木之间生长的差异。     

参数优选支持的光学与SAR数据森林地上生物量反演研究

  目的  森林是整个陆地碳循环系统中最大的有机碳贮库,准确地估测森林地上生物量影响着全球碳源与碳储量的分析与评价。本文旨在评价利用Landsat8 OLI、高分一号光学数据、ALOS-1 PALSAR-1SAR 3组不同源遥感数据估测森林AGB的潜力,进而剖析光学数据和SAR数据在估测森林AGB方面的差异。  方法  首先对Landsat8 OLI、高分一号光学数据、ALOS-1 PALSAR-1SAR数据分别提取波段比值、植被指数、纹理信息,对ALOS-1 PALSAR-1SAR数据同时提取极化分解信息;然后,利用随机森林算法对不同数据提取的特征参数进行重要性排序,选择排序靠前的特征进行建模;最后,利用KNN-FIFS算法分析不同特征组合,对4组数据建立4个模型估测森林AGB,并使用留一交叉验证法对4个模型估测森林AGB值进行精度评价。  结果  使用植被因子、波段比值、纹理因子、极化分解信息4种特征参数分别对3组数据进行建模估测森林AGB,基于Landsat8 OLI数据反演森林AGB的精度评价结果为R2 = 0.50,RMSE = 33.34 t/hm2;基于高分一号数据估测精度为R2 = 0.36,RMSE = 37.60 t/hm2;基于PALSAR纹理特征估测精度为R2 = 0.45,RMSE = 35.40 t/hm2;基于PALSAR全极化分解信息估测精度为R2 = 0.63,RMSE = 28.84 t/hm2。  结论  参数提取方法相同时,即基于植被因子、波段比值、纹理信息3种特征参数估测森林AGB,其光学数据和SAR数据的反演潜力基本一致;参数提取方法不同时,即SAR数据加入极化分解信息估测森林AGB,与光学数据相比,SAR数据对森林AGB的反演潜力较好。      

林下套种及坡位和弱光环境对南方红豆杉人工林早期生长及林分分化的影响1）

为高效栽培南方红豆杉人工林,采用方差分析、径阶分布拟合和林木分级等方法,在福建省明溪县进行林下套种及不同坡位和弱光环境的南方红豆杉人工林早期生长及林分分化研究。结果表明：林下套种模式的12年生南方红豆杉林分的胸径、树高、冠幅显著大于迹地更新造林,其胸径、树高、冠幅变异系数较小。10年生林下套种南方红豆杉林分生长有着显著的坡位效应,除下坡与中坡间冠幅无显著差异外,其它均有着显著性差异,3个生长性状生长量和变异系数从大到小依次为下坡、中坡、上坡。在相同林分密度条件下,马尾松林下弱光环境10年生南方红豆杉林分的胸径、树高、冠幅显著大于杉木林下,但马尾松林下弱光环境南方红豆杉的胸径、树高、冠幅变异系数较小。不同培育模式及林下套种时,不同坡位和弱光环境的南方红豆杉人工林径阶分布采用Weibull分布函数拟合,效果较好;林下套种模式及其不同坡位和弱光环境均呈倒J型分布,即其林分结构相对稳定,竞争较合理;而迹地更新造林的林分径阶呈单峰左偏山状分布,表明其处于竞争的自然稀疏后期。南方红豆杉林分林木分级显示,除迹地纯林造林和林下套种的上坡位出现Ⅴ级木外,其它尚未出现Ⅴ级木。因此,营建南方红豆杉人工林应该进行培育模式、坡位和弱光环境选择,其培育模式宜选择林下套种,并在林下套种时优先选择马尾松林下弱光环境和中下坡。     

基于无人机影像的天山云杉林树高提取及蓄积量的反演

【目的】提取影像高程数据建立模型反演天山云杉林分蓄积量,为天然林保护工程实施后天山云杉生态恢复与科学管理提供参考依据。【方法】以新疆天山西部巩留县恰西森林公园的天山云杉(Picea Schrenkiana var. tianshanica)为研究对象,无人机航拍影像与样地每木检尺为数据源,使用点云分类与克里金插值法提取无人机影像高程数据得到天山云杉树高,根据样地实测数据建立胸径树高模型,最终根据胸径树高模型反演天山云杉林林分蓄积量。【结果】利用无人机影像提取树高与实测树高存在显著正相关关系,提取平均精度为88.42%,建立天山云杉胸径-冠幅模型的相关系数为0.696,而胸径-树高模型的相关系数为0.730;验证胸径-树高模型,计算RMSE值为12.386,拟合效果显著。基于胸径-树高模型反演林分蓄积量精度为87.66%,与实测值比对,残差值大部分落在(-2,+2)残差区间。【结论】采用局部最大值算法对天山云杉林树高信息的提取效果较好,建立胸径-树高模型弥补了无人机不能对胸径直接测量的缺陷,进而反演天山云杉林林分蓄积量。     

兴安落叶松天然林林分直径分布和树高分布

基于大兴安岭地区100块兴安落叶松天然林样地的调查数据,选用43个基础模型对兴安落叶松(Larix gmelinii)的直径分布和树高分布进行拟合,用10个基础模型对兴安落叶松的树高与直径关系进行回归模拟,求解模型参数值并用均方根误差(RMSE)、和相对误差(Bi)进行检验与评价。结果表明:Exp3P2模型的精度最高,可以很好的拟合兴安落叶松直径分布;柯列尔模型为最优兴安落叶松树高分布模型;树高与直径相关关系模型拟合与检验结果最优为Wykoffl模型。     

考虑环境因素的杨树生长率模型研究

  目的  杨树是我国栽培数量最多的阔叶树种，其生长快、易繁殖、适应性强、轮伐期短等特点对解决木材供需平衡、促进碳汇、实现碳循环等方面至关重要，探究杨树生长环境影响机制对实现森林资源高效管理、推动生态文明建设具有重要意义。  方法  本研究利用全国森林资源连续清查部分固定样地杨树实测数据，构建未考虑环境因素和考虑环境因素的杨树胸径生长率多元回归模型，结合随机森林（RF）、梯度提升机（GBM）和支持向量机（SVM）算法，对RF、GBM和SVM算法以RMSE最小完成模型最优参数确定，并通过平均绝对误差（MAE）、均方根误差（RMSE）和决定系数（R2）进行模型评价，实现环境因子对杨树生长的重要性程度知识挖掘。  结果  杨树胸径生长率主要受其自身胸径大小的影响，且随着胸径的增大而减小，呈现反“J”型趋势；考虑环境因素的回归模型较未考虑环境因素的回归模型R2从0.066提高到了0.403；机器学习算法预测效果明显优于回归模型算法，其中以RF算法精度最高，R2达0.730，预测结果和实际值基本一致；多元回归模型、RF和GBM对模型重要性解释程度规律基本一致，SVM存在微小差异。  结论  回归模型精度虽略低于机器学习算法，但其“白箱”优势可为未来森林资源调查工作中判定其胸径是否存在异常提供依据；杨树生长受环境影响，与地理空间位置关系紧密，温度适宜、降水充沛的低海拔地区以及坡度平缓、坡位较低的北坡区域更适宜杨树生长，密度越大越不利于其生长；在杨树林的营造过程中，应首先考虑造林地理位置、气象气候等因素；其次，考虑林分结构，特别是林分密度合理性；最后，考虑地形结构是否适宜进行杨树林营造工程建设。      

基于分段回归的人工红松冠形预估模型

利用黑龙江省孟家岗林场79株人工红松解析木4 538个枝条的实测数据,基于样条函数的分段回归技术,通过推导满足冠形曲线生物学约束(即梢头处树冠半径为0,拐点处树冠半径最大)连续分段函数,构建了人工红松的冠形曲线模型(分段抛物线方程、分段单分子式方程和分段幂函数方程)。采用模型的拟合优度指标、模型的检验指标及对模型拐点参数估计的合理性对备选模型进行评价,选出拟合人工红松冠形曲线的最优模型。采用模型再参数化方法,分别分析模型各参数与林木变量之间的相关性,最终在最优冠形曲线模型中加入胸径作为自变量,建立了人工红松树冠形状预估模型。研究结果表明:分段抛物线函数为描述人工红松冠形曲线的最优模型。人工红松冠形曲线参数及树冠大小与林木胸径(DBH)成正相关,经过再参数化后的树冠形状预估模型的调整决定系数(R2a)为0.659 6,估计标准误差(Sy.x)为0.524 5,模型的残差均方(MSE)为0.227 9,预估精度(p)为97.58%。随着DBH增大,红松冠形曲线拐点(相对冠深)出现的范围为0.72~0.95,平均值为0.81。总体上来看,以胸径为自变量、以稍头约束为条件的树冠形状预估模型能够很好的预测人工红松的树冠形状,为进一步估测红松树冠结构提供了基础。      

应用Sentinel-1影像纹理信息模型估测杉木林生物量

以福建省将乐县杉木林为研究对象,以C波段双极化合成孔径雷达数据(Sentinel-1)为数据源,通过计算不同极化方式下的后向散射系数和纹理特征值,采用多元线性逐步回归分析,分别建立以后向散射系数与纹理特征值为自变量,杉木林生物量为因变量的估测模型,筛选最优杉木林生物量估测模型。结果表明:VH、VV与VH/VV极化方式的后向散射系数与森林生物量均没有明显的相关关系,相关系数均低于0.2;运用纹理信息建立的生物量估测模型中,VV极化纹理特征值的估测模型的决定系数为0.716 7,均方根误差为62.48 t·hm-2,模型的估测效果最好。因此,C波段双极化合成孔径雷达影像纹理参数在估测森林生物量方面具有重要作用。     

基于随机森林算法的落叶松?云冷杉混交林单木胸径生长预测

目的单木生长受气候、林分等多种因子影响,需要利用适当的方法厘清气候以及林分中影响林木生长的主导因子。随机森林等机器学习方法提供了一种新的途径,需要检验利用随机森林算法分析气候和林分因子对林木生长影响的可靠性,为森林生长收获预估提供新的方法。方法以吉林省汪清林业局20块落叶松?云冷杉混交林固定样地25年（1986—2010年）间连续调查数据作为研究材料,候选气候和林分因子52个,利用随机森林算法建立了包含气候和林分的单木胸径生长模型,分析气候和林分因子对单木胸径年平均生长量的影响:基于52个超参数组合（决策树数目ntree = 1 000、决策树每个结点随机选择的预测变量个数mtry = {1, 2, ···, 52}）构建了52个随机森林模型,利用10折交叉验证法分别训练和评估52个随机森林模型;基于完整数据集,利用最优随机森林模型分析自变量对单木胸径年平均生长量影响的相对重要性以及偏依赖关系。结果ntree = 1 000、mtry = 12所对应的模型是52个模型中具有最佳泛化能力的模型,该模型具有最大的交叉验证决定系数R2_cv（R2_cv = 0.54）,以及最小的交叉验证均方根误差RMSE_cv、交叉验证平均绝对偏差MAE_cv和交叉验证相对均方根误差rRMSE_cv（RMSE_cv = 0.14 cm、MAE_cv = 0.10 cm、rRMSE_cv = 50%）。单木胸径年平均生长量受林分因子的影响极大,相对重要性超过80.00%。8个林分因子中,大于对象木的林木断面积之和BAL对单木胸径年平均生长量影响最大,林分每公顷株数N对单木胸径年平均生长量影响最小,其他因子对单木胸径年平均生长量影响介于两者之间;单木胸径年平均生长量随BAL、林分每公顷断面积BA、N以及林分断面积平均胸径D_g的增加而下降,随对象木胸径与林分断面积平均胸径之比RD、林木期初胸径D₀以及对象木胸径与林分中最大林木胸径之比DDM的增加而增加。单木胸径年平均生长量受气候因子的影响较小,相对重要性低于20.00%。44个气候因子对单木胸径年平均生长量的影响均较小（相对重要性均 < 1%）,其中,生长季平均降水量（4—9月）与年均降水量之比Pratio、年总太阳辐射时长Asr、生长季平均降水量（4—9月）与生长季相对湿度（4—9月）之比Gspgsrh以及生长季太阳辐射时长（4—9月）Gssr是前4个相对重要的变量。结论随机森林模型能够较好地解析各变量与单木胸径年平均生长量之间复杂的关系,单木胸径年平均生长量受林分因子的影响极大,而受气候因子的影响较小。总体而言,在局部尺度上,林分因子是影响单木胸径生长的主导因子,而气候因子对单木胸径生长的解释能力有限。随机森林模型具有一定的泛化能力和统计可靠性,产生的变量重要性和偏依赖图具有合理的林学意义。